安徽万佛湖富营养化评价与营养盐变化趋势预测

基于安徽万佛湖2001-2007年监测资料,采用综合评价法(TLI)进行富营养化评价;并依据灰色系统理论,构造了3个GM(1,1)模型组成的灰色动态模型群,运用该模型群对万佛湖营养盐变化趋势进行预测.结果表明:(1)2007年万佛湖综合营养状态指数为33.537,处于中营养水平,富营养化程度受水期影响较小;(2)运用灰色动态模型群法对万佛湖营养盐进行预测结果表明,TN浓度呈显著上升趋势,TP浓度呈显著下降趋势.灰色动态模型群法以模型群统计平均值作为最终预测值,避免了单一灰色模型容易利用不稳定信息的缺陷,能够充分利用近期水质资料信息预测未来水质变化趋势,预测结果对当地饮用水源保护与淡水资源持续开发利用具有一定的借鉴意义.     

灰色GM(1，1)-小波变换-GARCH组合模型预测松花江流域水质

为了研究松花江流域水质变化情况,预测未来水质变化趋势以及对松花江流域水质的保护提供理论依据和决策方案,通过对松花江抚远段2012年前15周的实测溶解氧(dissolved oxygen,DO)、高锰酸盐指数CODMn、氨氮NH3-N数据分析,以灰色GM(1,1)模型、小波分解与重构和广义自回归条件异方差(generalized auto-regressive conditional heteroskedasticity,GARCH)模型为基础,建立了灰色GM(1,1)和灰色GM(1,1)-小波变换-GARCH组合的混合预测模型,并以抚远段实测DO、CODMn、NH3-N数据为实例进行验证,预测结果极显著(P0.01),预测误差分别为3.39%、8.56%、7.83%,表明该预测模型精度较高,适用于对水质变化的预测研究。最后,利用该模型对松花江抚远、黑河、嘉荫和同江段2013年前8周的4个污染指标进行预测分析,预测结果与实测数据误差较小,基本符合水质未来变化趋势,为相关部门对松花江流域水质预测和保护提供参考。     

BP神经网络L-M优化算法在地下水动态预测中的应用

根据地下水动态的时间序列数据资料,建立地下水动态模型,应用BP神经网络的L-M优化算法进行模拟和预测,并与灰色模型预测法的分析结果进行比较,得出该方法不仅简单可行,而且预测精度更高,可在地下水动态、河流水质、大气环境质量预测等方面广泛使用的结论。     

灰色模型在水库水质预测中的应用研究

结合灰色模型对辽宁中部某水库水质进行预测。预测结果表明:灰色模型在水库水质预测中具有较好的精度,水质预测误差总体小于30%,符合水质预测规范要求。     

基于等维新息灰色马尔可夫模型的河流水质预测

河流水质预测是对河流水环境污染进行分析、控制和治理的基础。基于太湖流域上海市青浦区急水港点位2004-2011年的水质指标COD,NH₃^-N数据,分别建立等维新息灰色预测模型;由于NH₃^-N指标的平均相对误差没有达标,因此利用马尔可夫模型对NH3-N指标的预测结果进行修正,之后应用两种模型分别预测未来几年两项水质指标数值。结果表明,等维新息灰色马尔可夫模型有效地减小了预测结果的平均相对误差,提高了预测精度;未来几年,两项水质指标均呈整体下降趋势,并在一定程度上趋于平缓。但由于太湖流域污染的长期性,其水环境形势依然严峻,应继续采取合理有效的治理措施,如从源头上进行减污,生态清淤,加快转变流域经济发展方式及完善流域管理等,使流域水质得到整体改善。     

基于时间相似数据的支持向量机水质溶解氧在线预测

为及时辨识集约化水产养殖水质变化趋势、动态调控水质,确保无应激环境下健康养殖,该文提出了基于时序列相似数据的最小二乘支持向量回归机(least squares support vector regression,LSSVR)水质溶解氧在线预测模型。采用特征点分段时间弯曲距离(feature points segmented time warping distance,FPSTWD)算法对在线采集的时间序列数据进行分段与相似度计算,以缩减规模的子序列数据集对LSSVR模型进行快速训练优化,实现了多个LSSVR子模型在线建模,将预测数据序列与LSSVR子模型的相似度匹配,自适应地选取最佳的子模型作为在线预测模型。应用该模型对集约化河蟹福利养殖水质参数溶解氧浓度进行在线预测,模型评价指标中最大相对误差、平均绝对百分比误差、相对均方根误差和运行时间分别为4.76%、8.18%、5.23%、8.32 s。研究结果表明,与其他预测方法相比,该模型具有较好的综合预测性能,能够满足河蟹福利养殖水质在线预测的实际需求,并为集约化水产养殖水质精准调控提供研究基础。     

用灰色神经网络组合模型预测农机总动力发展

农机总动力的需求预测是一个复杂的非线形系统，其发展变化具有增长性和波动性。该文首先在灰色预测模型的基础上建立了新陈代谢型灰色预测模型群，然后结合灰色GM(1,1)模型和BP网络模型的优缺点，建立了串联新陈代谢型灰色神经网络组合预测模型，并对中国农机总动力需求进行了预测，结果表明预测值和实际结果有很好的一致性。     

作物产量灰色马尔柯夫链预测模型

以黑龙江垦区１９４９－１９９２年小麦单产资料为例，用灰色系统ＧＭ（１，１）动态预测模拟和预测趋势产量，用马尔柯夫链动态预测模型预报气象产量，从而组合一套完整的作特意一灰色马尔柯夫链预测模型。以此模型对黑龙江垦区小麦单进行预测，其结果均怀实况基本相符。     

基于灰色系统理论的挠力河流域净耕地面积预测

[目的] 研究如何精准提取净耕地利用信息,为农田管理与耕地科学利用提供理论支持。[方法] 基于灰色系统理论提出净耕地预测思路,以典型粮食产区挠力河流域为研究区,在土地利用变更调查数据支持下,运用净耕地系数、突变检测模型、灰色动态模型（GM）等数理模型,提取并验证净耕地（包括旱地和水田）利用信息。[结果] 挠力河流域土地利用斑块面积变化表现出显著的“灰色”特征,对20 hm²等额面积区间的非旱地和非水田斑块面积累加处理,可增强数据列的规律性特征;GM （1,1）灰色系统模型和多项式预测方法均可较为准确地提取非旱地和非水田面积信息。2018年,挠力河流域旱地和水田的净面积分别是1.06×10⁶ hm²和3.87×10⁵ hm²,对应的净系数为97.65%和98.07%。[结论] 耕地斑块面积变化具有灰色特征,可采用灰色系统理论进行净耕地面积预测。     

灰色-马尔柯夫链预测水稻产量的方法及其应用

将灰色系统预测模型GM(1,1)与马尔柯夫链相结合,建立玉林市早稻产量预测模型。应用结果表明:(1)模型具有灰色微分动态模型的特点,反映了产量变化的灰色过程;(2)应用马尔柯夫链对该模型所产生的误差进行修正,克服了GM模型误差较大等缺点,大大提高了预测精度,(3)灰色系统理论与随机过程理论相结合,互相取长补短,为统计理论发展开创了新的路径,也为产量预测预报提供了新的方法。     

滴头堵塞程度分级和评价及堵塞风险预测方法

为了准确监测滴头的堵塞状态，预测滴头堵塞程度的发展变化趋势。该研究基于模糊综合评价法，以相对流量变化量、灌水均匀度变化量为评价指标，用熵权法和三角形隶属度函数计算各评价指标权重和隶属度，建立了滴头堵塞综合评价指标（Evaluation Index，EI），利用灰色GM(1,1)预测模型预测滴头堵塞程度随灌水时间的变化情况。结果表明：滴头堵塞是一个随灌水时间增加而波动渐进的过程，滴头堵塞过程可分为波动平稳阶段和快速发展阶段2个过程，不同滴头的堵塞过程具有一致性规律，不同灌水时间的EI值间具有很好的相关性，可以根据前期试验数据预测滴头后期堵塞程度的变化趋势；提出了基于EI的滴头堵塞程度5级分级标准和方法，建立了基于5次测试灌水数据的滴头堵塞风险灰色GM(1,1)预测方法，可以预测不同滴头未来不同灌水时间后的滴头堵塞状态，对7种滴头堵塞程度的预测结果准确率为85.7%。该方法为滴头抗堵塞能力评价以及滴灌工程抗堵塞预防措施的配置提供了理论依据。     

城市用水灰色动态预测模型的研究与应用

科学地预测城市用水量对拟定城市发展规模具有十分重要的意义。城市用水量受很多因素的影响,是一个充满灰色现象的“灰系统”。利用灰色系统理论建立动态GM（1,1）模型预测城市用水量。实例证明,模型能较好地拟合实测数据并具有较高的预测精度。     

海河流域水质评价与预测

以海河流域为例,选择灰色关联分析法对其水质进行了评价。由于传统的灰色关联分析存在一定缺陷,故选择两种改进的灰色关联分析法进行水质评价,并比较了这两种方法的优缺点。采用对应分析法,将采样点与变量有机地结合起来进行了分析。最后使用灰色预测模型对海河流域水质情况进行了预测。结果表明:(1)将基于改进AHP法权重的灰色关联分析法与对应分析法联用可以全面认识流域水质状况,给出科学合理的评价结果;(2)海河流域污染来源主要为农业面源污染与生活污水污染。     

基于双层数据分解混合模型预测鄱阳湖COD

化学需氧量（Chemical Oxygen Demand, COD）是衡量水质状况的最重要参数之一,反映水体受还原性物质污染的程度。该研究采用改进的完全集合经验模式分解（Improved Complete Ensemble Empirical Mode Decomposition With Adaptive Noise, ICEEMDAN）、变分模式分解（Variational Mode Decomposition, VMD）相结合的双层数据分解算法,并利用双向长短期记忆（Bidirectional Long Short-term Memory, BLSTM）神经网络,提出了一种混合模型IVB（Improved Complete Ensemble Empirical Mode Decomposition With Adaptive Noise-Variational Mode Decomposition - Bidirectional Long Short-term Memory）,并以鄱阳湖高锰酸盐指数（Permanganate index, CODMn）监测数据为研究对象,进行案例研究。结果表明,IVB模型具有良好的预测性能：1 d以后的CODMn预测中,IVB模型的平均绝对百分比误差为2.21%,与单一BLSTM神经网络模型相比降低了10.57个百分点,而与IB (Improved Complete Ensemble Empirical Mode Decomposition With Adaptive Noise - Bidirectional Long Short-term Memory)模型相比降低了4.62个百分点;7 d以后的CODMn预测中,IVB模型的平均绝对百分比误差为8.18%,与单一BLSTM神经网络模型相比降低了16.34个百分点,而与IB模型相比降低了4.68个百分点。这项研究表明,所开发的IVB模型可以用作水资源管理的有效分析与决策工具。     

Model Error Propagation and Data Collection Design. An Application in Water Quality Modelling

The scope of this paper is to analyse the error propagation structure of a simple two compartment water quality model, and to describe the effect on model predictions from uncertainties in initial conditions and forcing inflow. Following a brief review of linear dynamic systems, a variance estimation model for the water quality model is described. The methodology employed in relating model prediction uncertainty and data collection design, is based on systems or ordinary differential equations combined with first-order second-moment analysis (FOSMA). In the paper some important characteristics of uncertain water quality systems are discussed, namely the steady-state concentration and system time scale. Applying FOSMA, the variance expressions of the system characteristics lead to some specific suggestions in the practical design of water quality models and the relation to data collection accuracy. Further it was found that the variance estimator for the steady-state concentration, provided that the system matrix is deterministic, is expressed as a weighted sum of the variances of the initial concentrations and the inflow transport. The weights are functions of the system time scales and thus related to the model parameters.     

丹江口库区土地利用结构与格局优化

丹江口库区作为南水北调中线工程的水源区,其生态环境状况和水质安全不仅关系到库区的社会经济和环境保护的协调发展,也决定着调水工程的成败。科学量化评价丹江口库区土地利用结构并进行格局优化,对于库区可持续发展有着重要的意义。利用丹江口库区1990年、2000年、2007年TM遥感数据,在RS和GIS技术的支持下,在综合使用马尔柯夫预测模型和元胞自动机方法的基础上,建立了土地利用格局优化模拟模型,进行了丹江口库区生态安全条件下的土地利用格局优化模拟研究。通过马尔柯夫预测模型得出各土地利用总量预测结果,以宏观用地总量需求和微观土地供给相平衡为原则,利用具有复杂空间演变能力的元胞自动机完成土地空间分配。结果表明:1990—2007年期间,丹江口库区土地利用类型的面积发生了很大变化,其中主要以农田面积大幅度减少和林地、灌丛以及居民地面积的大幅度增加为主。在未来的2020年,经格局优化,农田、未利用地面积显著减少,林地、园地面积相应增加,生态环境状况良性发展。结果显示使用CA-Markov模型进行土地利用变化预测,充分利用CA模型模拟复杂系统空间变化的能力和Markov模型长期预测的优势,对于揭示土地利用变化的动态机制具有一定意义。     

动态聚类最近邻法在湖库蓝藻水华预测中的应用

[目的]探索湖库蓝藻水华的有效预测方法,为水环境污染防治关键问题的解决提供科学依据。[方法]结合蓝藻水华演化中表现出的混沌类随机特点,提出一种基于有效性函数优化的动态聚类算法,以实现蓝藻水华动态、小范围近邻优化预测的目的。首先,基于动态聚类算法对监测数据进行典型类的客观划分,为后续有效减小搜索空间,提高预测精度奠定基础;而后采用粒子群算法优化得到各类的最佳近邻个数,以确定参与回归建模的观测值数量;最后依据最近邻观测数据建立动态回归预测模型。[结果]采用太湖金墅监测站点2011年叶绿素a浓度测定值进行建模,之后对2012年叶绿素a浓度进行短期预测。新建模型的预测值与实际值运行趋势一致,且相对误差为12.02%,而基于传统聚类线性回归算法的相对误差为15.21%,基于BP神经网络预测算法的相对误差为19.51%,相空间重构算法的相对误差为38.42%。[结论]算例结果表明该方法的预测精度相对较高,证明了所提优化预测方法的可行性与有效性。     

黄土高原水土保持措施强化降雨入渗分析及灰色预测

黄土高原水土流失综合治理是以强化降雨入渗,减少地表径流,阻止土壤侵蚀为目的。因此,治理区降雨入渗量的大小是衡量水土流失治理效果的关键指标之一。目前入渗量的计算多利用年总降雨量,由于在黄土地区小雨量或小强度的降雨具有与水土流失治理的零相关性,因而会导致对水土流失综合治理强化入渗作用估计的较大误差。提出用1a中产生径流的次降雨总量(产流降雨总量)计算入渗量。以西川河流域为例,采用1997—2001年的降雨径流资料,分别用年降雨总量与产流降雨总量推求降雨入渗系数,对比分析了入渗量随流域水土流失治理度的变化,结果表明:利用产流降雨总量能比较清晰地反映流域治理程度对降雨入渗的影响。在此基础上,采用GM(1,1)灰色动态模型预测西川河流域降雨入渗量随水土流失治理度的变化趋势。结果表明,GM(1,1)灰色模型能够合理地预测黄土高原水土保持措施对自然流域入渗量影响的变化趋势。     

基于灰色关联度与BP神经网络模型的日参考作物腾发量预测

参考作物腾发量是制定灌溉用水计划、水量分配计划最基本、最重要的内容之一,其精确预测可以提高灌溉预报的精度。采用灰色系统理论中的关联分析方法,对影响作物腾发量的各个气象因素进行关联度分析,挑选出影响作物腾发量的主要气象因子,并以这些主要气象因子为输入向量,以参考作物腾发量为输出向量,建立作物腾发量与主要气象因子之间的BP神经网络预测模型。通过实例证明,该方法简单可行,预测精度比较高,能够满足实际生产需要。     

土壤入渗积水时间预测模型研究

在室内进行了8种均质土壤入渗积水时间的测定试验。采用不同的变量组合形式、利用数理统计原理对土壤入渗积水时间进行预测。结果表明:(1)用土壤干容重、初始含水量、土壤砂粒、黏粒含量、供水强度等常规土壤物理参数预测入渗积水时间是可行的。(2)多元线性预测模型和多元非线性预测模型的预测精度结果基本相同,只是所得的模型参数不同,多元线性预测模型更简单。(3)在同一预测模型下,考虑的因素越多,预测模型的预测精度相对越高。